?機(jī)器學(xué)習(xí)算法分類

根據(jù)數(shù)據(jù)集組成不同，可以把機(jī)器學(xué)習(xí)算法分為：

監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)強(qiáng)化學(xué)習(xí)

一、監(jiān)督學(xué)習(xí)

定義：輸入數(shù)據(jù)是由輸入特征值和目標(biāo)值所組成。

函數(shù)的輸出可以是一個(gè)連續(xù)的值(稱為回歸），或是輸出是有限個(gè)離散值（稱作分類）。

【資料圖】

1、回歸問題

例如：預(yù)測(cè)房?jī)r(jià)，根據(jù)樣本集擬合出一條連續(xù)曲線。

2、分類問題

例如：根據(jù)腫瘤特征判斷良性還是惡性，得到的是結(jié)果是“良性”或者“惡性”，是離散的。

二、無監(jiān)督學(xué)習(xí)

定義：輸入數(shù)據(jù)是由輸入特征值組成，沒有目標(biāo)值。

輸入數(shù)據(jù)沒有被標(biāo)記，也沒有確定的結(jié)果。樣本數(shù)據(jù)類別未知；需要根據(jù)樣本間的相似性對(duì)樣本集進(jìn)行類別劃分。

有監(jiān)督，無監(jiān)督算法對(duì)比：

三、半監(jiān)督學(xué)習(xí)

定義：訓(xùn)練集同時(shí)包含有標(biāo)記樣本數(shù)據(jù)和未標(biāo)記樣本數(shù)據(jù)。

監(jiān)督學(xué)習(xí)訓(xùn)練方式：

半監(jiān)督學(xué)習(xí)訓(xùn)練方式：

四、強(qiáng)化學(xué)習(xí)

定義：實(shí)質(zhì)是make decisions 問題，即自動(dòng)進(jìn)行決策，并且可以做連續(xù)決策。

舉例：

小孩想要走路，但在這之前，他需要先站起來，站起來之后還要保持平衡，接下來還要先邁出一條腿，是左腿還是右腿，邁出一步后還要邁出下一步。

小孩就是 agent，他試圖通過采取行動(dòng)（即行走）來操縱環(huán)境（行走的表面），并且從一個(gè)狀態(tài)轉(zhuǎn)變到另一個(gè)狀態(tài)（即他走的每一步），當(dāng)他完成任務(wù)的子任務(wù)（即走了幾步）時(shí)，孩子得到獎(jiǎng)勵(lì)（給巧克力吃），并且當(dāng)他不能走路時(shí)，就不會(huì)給巧克力。

主要包含五個(gè)元素：agent, action, reward, environment, observation；

強(qiáng)化學(xué)習(xí)的目標(biāo)就是獲得最多的累計(jì)獎(jiǎng)勵(lì)。

監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的對(duì)比

	監(jiān)督學(xué)習(xí)	強(qiáng)化學(xué)習(xí)
反饋映射	輸出的是之間的關(guān)系，可以告訴算法什么樣的輸入對(duì)應(yīng)著什么樣的輸出。	輸出的是給機(jī)器的反饋 reward function，即用來判斷這個(gè)行為是好是壞。
反饋時(shí)間	做了比較壞的選擇會(huì)立刻反饋給算法。	結(jié)果反饋有延時(shí)，有時(shí)候可能需要走了很多步以后才知道以前的某一步的選擇是好還是壞。
輸入特征	輸入是獨(dú)立同分布的。	面對(duì)的輸入總是在變化，每當(dāng)算法做出一個(gè)行為，它影響下一次決策的輸入。